Effective stewardship strategies to enhance appropriateness of refer-out test requests in a Canadian tertiary centre laboratory
Notice bibliographique
Résumé
OBJECTIVES: Specialized testing conducted in reference laboratories is costly and often not optimally directed. Since 2016, our institution has worked to ensure the appropriateness of refer-out (RO) tests. We examine the impact of utilization initiatives on the patterns of requests and completed tests. DESIGN AND METHODS: In 2016, 81 RO tests were selected for a more rigorous approval process. Physicians not pre-approved for testing received a prompt to consult with laboratory subject matter experts (SMEs) for further detail. After review, SMEs provided responses, approving or rejecting requests based on clinical relevance. Stewardship activities also included: repatriating tests locally, preferring Canadian over foreign institutions, unbundling tests, distributing educational memos, and introducing staged testing. We collected data on the number of requested (NoR) and number of completed (NoC) tests in 2015, before the implementation of the new vetting procedures, and for the post-implementation phase from 2016-2022. RESULTS: For 62 targeted RO tests (including trace metals, vitamins, antibodies, and endocrine-related tests), there was a 33% reduction in NoR and a 51% reduction in NoC in 2022 compared to 2015. The total savings for the study period based on NoC was $807,736. The NoC rate for Neuronal antibody tests decreased to 48.6% in 2022, with cost savings of $17,123, and an additional $50,000 saved by changing the testing site. Insourcing apolipoprotein B and fecal calprotectin tests resulted in cost savings of $3,380 and $3,371, respectively, in 2022. CONCLUSIONS: Automated messaging followed by a formal review of RO test requests is an effective utilization strategy that prevents redundant or clinically unjustified testing. This approach leads to significant economic savings and is expected to improve the efficiency of patient care.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».